zitongbai/legged_lab

解決的問題

本專案提供一個框架，讓腿式機器人（特別是 Unitree G1 等人形機器人）能透過強化學習執行複雜動作。開發者可在與核心 Isaac Lab 儲存庫分離的獨立環境中建構與訓練這些行為，簡化開發流程。

工作原理

本專案利用 NVIDIA Isaac Lab 進行模擬，並使用客製化的 RSL-RL 庫進行強化學習。實作了兩種主要的運動學習技術：

• DeepMimic：讓機器人模仿特定運動序列的方法。
• 對抗性運動先驗（AMP）：利用對抗方式，基於運動資料鼓勵機器人學習自然、類似人類的動作的技術。

使用者可使用 GMR 等工具將人類運動資料重定向至機器人的形態，並在模擬環境中訓練代理程式模仿這些動作。

適用對象

本專案專為在模擬環境中從事人形機器人運動與動作模仿研究的機器人研究人員與開發者設計。

主要特色

• 人形機器人支援：特別針對 Unitree G1 機器人進行優化。
• 獨立開發：設計為安裝為 Isaac Lab 的擴充模組，而非修改其核心程式碼。
• 運動資料流程：包含將人類運動資料轉換並重定向以供訓練使用的腳本。
• Docker 整合：提供完整的 Docker 工作流程，確保環境一致性。